大數據時代零售企業如何進行精確營銷

近年來，同質化商品、頻繁的價格戰、店鋪租金上漲、電子商務的沖擊等因素導致零售企業利潤不斷下降，在2015年出現了零售業關店潮這一現象，大量零售門店關門，2016年還在延續。但是，有人倒下，就有人站出來。在當今大數據時代，誰能順應時代的改變進行改革，誰就能抓住新的發展機遇。

零售企業通過多年的運營，掌握了大量的一手數據資料，如果能從這些數據中發現其隱藏的價值，掌握消費者的消費行為規律，預測消費者的購買意圖，從而有針對性地制定精確的營銷策略，消費者將感受到企業對他們的關注，降低營銷成本的同時能改善消費者的消費體驗。將以產品為導向的傳統營銷模式改為以消費者為導向的精確營銷模式，是零售企業提高核心競爭力的有效方式。

大數據概述

大數據（Big Data）是指數據規模大到不能使用傳統分析方法在合理時間內進行有效的處理。大數據不僅僅指數據規模大，還包括數據處理和數據應用，是數據對象、數據分析、數據應用三者的統一。維基百科對大數據的定義：大數據是指利用常用軟件工具捕獲、管理和處理數據所耗時間超過可容忍時間的數據集。大數據的核心就是預測，通過運用數學算法對海量數據進行分析，可預測事情發展的趨勢，這將使人們的生活達到一個可量化的維度。大數據的特征可用四個V概括：數據量很大（Volume），通常指規模在10TB以上的數據集；數據類型多樣（Variety），如聲音、地理位置信息、文本、視頻、網絡日志、圖片等；數據產生和處理速度快（Velocity）；價值密度低（Value），在大量數據中有價值的信息相對較少，比如一段監控視頻只有幾秒的畫面是有用的信息。

精確營銷的概念

最早提出精確營銷的是萊斯特·偉門（1999），他指出要以生產廠商的消費者和銷售商為中心，利用電子媒介等方式，建立消費者、銷售商資料庫，然后通過科學分析，確定可能購買的消費者，從而引導生產商改變銷售策略，為其制定出一套可操作性強的銷售推廣方案，同時為生產商提供消費者、銷售商的追蹤服務等。由于當時他的研究對象是制造業，因此適用于生產企業。

隨著市場經濟的發展，現在已是一個產能過剩的時代，市場競爭加劇，零售企業的利潤空間不斷被壓縮，如何在正確的時間將正確的產品銷售給正確的消費者，是零售企業管理者普遍面臨的一個難題。同時，當代消費者的消費習慣與以往有重大改變，消費者能收集到更多關于產品的信息，更加了解作為消費者的權利，重注消費體驗，消費決策更加理性。這就要求零售企業要改變以往的銷售方式，更加關注消費者的個性化需求。在大數據時代，消費者的個人資料和交易記錄甚至他們的社交關系等都可被收集，零售企業可更好地理解消費者的偏好甚至預測消費者下一步消費行為。在充分了解消費者信息的基礎上，通過對數據的分析，針對不同消費者的不同特性，制定精確的營銷策略，可提高營銷活動響應率，從而提升企業的利潤。

基于大數據的零售企業精確營銷體系

零售企業精確營銷是指零售企業按照精確營銷系統設定的方案，在對企業內外信息進行綜合分析的基礎上，找準目標消費者、投入合適的營銷資源、建立相應的營銷渠道、實施針對性營銷，以滿足消費者差異化需求，甚至可以激發潛在需求。這種精確營銷體系由五個步驟組成：一是收集零售企業內外部數據，為數據分析做準備。二是根據消費者的消費行為，利用收集到的數據進行消費者分群，分析不同消費群體的特征、消費偏好，進行消費需求預測。三是設計針對不同消費群體的營銷活動方案，對方案可行性進行評估。四是實施營銷方案，進行活動效果跟蹤；五是對營銷活動進行效益評估和反饋，為將來的營銷活動提供指導

1、零售企業數據管理

數據收集是零售企業實現精確營銷的基礎。通過POS機、觀測設備、移動終端、互聯網、智能終端等收集企業與顧客的交互數據，同時在企業運營過程中重視對商品數據、銷售數據、會員關系數據等交易數據的收集。另外，企業外部的數據如市場調查數據、專家意見、第三方機構數據等也可收集，并對數據進行清洗、重構、填補，保證數據質量，補充到數據庫。根據企業的商業目標，對數據進行分類，將原始數據整理為目標數據集。

2、消費者分群及理解

RFM模型是通過對消費者的交易數據進行分析，識別其對企業的價值的一種方法，該模型的數據便于采集，而且計算過程簡單，是零售行業廣泛使用的消費者價值細分模型。該模型使用三個指標：R（Recency）表示分析時點與消費者最近一次購買的時間間隔；F（Frequency）表示消費者在最近一段時間內購買的統計次數；M （Monetary）表示消費者在最近一段時間內購買的統計金額。傳統RFM模型認為三個指標都同樣重要，將三個指標分為5個等級，所以會有125類消費者。從理論上來說，時間間隔越短、消費次數越多、消費金額越高，該消費者對企業的價值就越高。

但是不同行業對RFM這三個指標的評價標準是不一樣的，有時會注重消費者參與，有時會注重消費者消費金額，所以要根據具體情況確定RFM三個指標的權重，對RFM模型進行優化。AHP層次分析法是一種多目標決策分析方法，專家對指標的相對重要性進行兩兩比較，能夠量化決策者的經驗。通過對相關行業的經營者以及長期忠誠消費者進行溝通，收集他們對RFM三個指標重要性的評價，最后算出三個指標的權重。應注意的是，由于AHP分析法很大程度是依靠人的主觀判斷，專家小組的構成會影響權重結果的合理性，因此在確定專家小組的時候要科學謹慎。

由于RFM模型中三個指標的單位是不一樣的，而且三個指標取值的時候差異很大，為了減少對消費者分群的影響，需要對三個指標的數值進行標準化處理，再結合AHP分析法確定的權重，得到優化后的PFM模型數據。如果企業有合適的方法處理大數據，大數據是一座金礦；如果不能駕馭大數據，那么大數據會成為淹沒企業的海洋。

大數據時代的技術基礎是數據挖掘，通過專業的算法對大量的數據進行分析，揭示隱藏在數據中的規律，發現有價值的信息，為決策者提供決策依據。數據挖掘技術中的聚類分析可為企業提供幫助，把數據按照相似性分成若干類，同一類別內部相似度高，不同類別之間差異較大。其中，廣泛使用的是K－means算法：從n個數據對象中任意選擇K個對象作為初始聚類中心，將剩下的對象按相似度最小原則分配給相應聚類中心對應的聚類；然后，計算每個新聚類的聚類中心并不斷重復，直到生成滿足方差最小標準的k個聚類。從理論上說，消費者分群越多越好，會更貼近消費者的個性化需求，但是同時也會導致成本上升，所以消費者分群的最優個數是在企業提供個性化定制的成本與消費者愿意為個性化得到滿足而支付的成本之間的平衡。

對得到的消費者類別進行描述性分析，根據帕累托的二八原則，企業80%的利潤是由20%的重要消費者創造的。零售企業只要把握住這部分消費者，針對不同價值的消費者群體投入相應的營銷資源，優先滿足重要消費者的需求。在進行營銷目標精確選擇后，零售企業可不用像以前那樣與競爭對手進行同質化競爭，能夠在很大程度上提高營銷資源利用率，從而更快地實現差異化經營和精細化管理。

在對消費者價值進行定位后，通過進一步對他們購物籃中的商品進行分析，加深對各類消費者的理解，掌握他們的消費行為規律，預測其消費需求。市場購物籃分析是最簡單也是最重要的，描述了零售企業最重要的信息——消費者什么時候買了什么東西。通過這些分析可得到很多信息。比如，沃爾瑪“啤酒與尿布”的故事，就是通過對購物籃內的商品進行分析，發現這兩件看起來毫不相干的商品在售出的時候居然有正相關關系。沃爾瑪就把這兩種商品的貨架擺在一起，方便消費者購買，結果使尿布和啤酒的銷量大幅度增加。市場購物籃分析的方法主要有關聯分析、神經網絡方法，通過與協同過濾推薦算法相結合可用來預測消費者的選擇和偏好。序列模式分析在購物籃分析的基礎上增加了時間這一變量，也稱為縱向分析，不僅考慮了一次購物中購買商品之間的關聯關系，也考慮了一些時間順序很重要的商品，如周期性商品。如果很多消費者這次不像往常那樣購買，可促使企業尋找原因。

3、營銷方案設計

零售企業首先設立營銷目標，如增加銷售10%、提升消費者忠誠度、提升消費者價值、擴大企業知名度等?？偟膩碚f，可描述為優化消費者價值、獲取新消費者、實現消費者保持、實現交叉銷售和增量銷售，最終提升企業利潤。通過營銷活動，將以前低價值消費者轉換為重要消費者，并保持其忠誠度。在消費者細分和購物籃分析兩種應用的支持下，將企業產品的賣點與消費者的需求進行匹配，將個性的商品推薦給不同類型的消費者，增加交叉銷售和增量銷售的機會。比如，零售企業首先聚焦于重要消費者，發現這些消費者對哪些單品的興趣比較大，從而在營銷方案設計時重點關注這些單品。從本質上說，設計營銷方案就是根據消費者的需求，將消費者最感興趣的商品進行營銷活動設計，及時滿足消費者的消費訴求，甚至創造消費需求。在此期間，可用購買者效用圖來評估營銷方案可行性，利用大眾價格走廊評判價格定制的合理性。

4、營銷方案實施

利用數據分析選擇最合適的營銷方案實施渠道，并對營銷活動進行活動效果跟蹤。有些營銷人員在啟動一個活動時，想著“活動已經開始啟動了，我們只需靜候佳音”。然而事情發展并非預計的那樣準確，所以對活動進行效果跟蹤是必要的。假如事情發展偏離了預期目標，如競爭對手改變定價和發動促銷對本次營銷活動產生較大的影響，就可在活動開展過程中及時中止或進行適當調整。既需不斷保證方案實施的靈活性，也要對實施過程中出現的意外情況保持警惕，才能在競爭對手發現其市場份額被搶占之后再發起反擊之前，將營銷活動的影響開展到盡可能大的局面。

5、營銷結果反饋

通過對營銷方案實施過程中的數據進行分析并總結經驗，用于指導下一階段的營銷方案制定。對整個營銷過程效果的評估可從營銷成本、銷售收入、企業知名度、消費者滿意度等方面進行綜合分析。其中，銷售收入是評價營銷效果最重要指標。但在營銷過程中所造成的企業知名度提高、消費者滿意度和忠誠度提高等潛在價值提升，也要納入評估范圍，形成報告，豐富零售企業的數據庫內容。將評估營銷方案實施結果的各類數據與以往的傳統營銷模式進行比較，統計出營銷效果差異，并根據評估結果對現有的營銷體系進行優化，力爭進一步擴大優勢，提升零售企業的核心競爭力。

在當今大數據時代，信息技術不斷發展和完善，為零售企業帶來了海量數據，同時數據挖掘技術使得零售企業能夠有效應用數據，數據被提升到前所未有的高度。

零售企業應重視數據的力量，深層次挖掘隱藏在海量數據中有價值的市場信息，指導企業制定各項決策，建立符合自身實際情況的精確營銷體系，有針對性地實施營銷計劃，比以往靠管理者個人經驗和判斷作決策更科學有效。雖然目前零售企業應用大數據還存在一些問題，如個人隱私、數據共享困難、數據安全、大數據人才缺少等，但是大數據在零售企業中的應用是大勢所趨，將帶來企業整體經營效率提高。